Вы находитесь на странице: 1из 19

Tecnolgico Nacional de

Mxico
Campus Pachuca
El Hombre Alimenta el Ingenio
en Contacto con la Ciencia.

Inteligencia Artificial
Materia

Ing. Maggi Natale Carlos Eduardo


Docente

3.1 Representacin de conocimiento mediante reglas.


3.2 Mtodos de Inferencia en reglas.
3.3 Reglas de produccin.
3.4 Sintaxis de las reglas de produccin.
3.5 Semntica de las reglas de produccin.
Tarea

ALUMNO NO. CONTROL


Bautista Hernndez Pablo 12200594

Ingeniera en Sistemas Computacionales


Enero - Julio 2017

3.1 Representacin de conocimiento


mediante reglas
CONOCIMIENTO MEDIANTE REGLAS

Permite lograr una bsqueda de aserciones lgicas en el estudio de los


sistemas basados o encaminados en una serie de instrucciones
permitiendo de este modo lograr las vas de ejecucin del programa de
forma similar a las construcciones tradicionales de control como If, Then,
Else. Las cuales definen los caminos de ejecucin de los programas
tradicionales.

CONOCIMIENTO PROCEDIMENTAL Y CONOCIMIENTO


DECLARATIVO

Conocimiento procedimental: Es aquel donde radica y se encuentra la


informacin, por ejemplo:

* Hombre (Marco Antonio)


* Hombre (Cesar)
* Persona (Cleopatra)
Ax: Hombre (X) (Persona)

CONOCIMIENTO DECLARATIVO

Es aquella en la que el conocimiento est especificado en cuanto lo que


debe hacerse con el conocimiento y de que debe hacerse. Estos caminos
de razonamiento definen las posibles soluciones.

SISTEMAS BASADOS EN CONOCIMIENTO

Los denominados Sistemas Basados en Conocimiento y al aparecimiento


de la Ingeniera Cognoscitiva, como una rama de la Inteligencia Artificial,
que estudia los sistemas basados en el conocimiento.

Definicin SBC

Es un sistema computarizado capaz de resolver problemas en el dominio


en el cual posee conocimiento especfico.
Conceptos fundamentales

Primero, la separacin del conocimiento y el modo en que es usado.


Segundo, la naturaleza del conocimiento empleado (heurstica antes que
algortmica).
Tercero, El uso de conocimiento especfico de un determinado dominio.

CARACTERSTICAS

Amplia difusin del conocimiento.


Fcil modificacin.
Respuestas coherentes.
Disponibilidad casi completa.
Conservacin del conocimiento.
Capacidad de resolver problemas disponiendo de informacin
incompleta.
Capacidad de explicar los resultados y la forma de obtenerlos.

SISTEMAS DE REPRESENTACIN DE CONOCIMIENTOS

Lgica Simblica Formal:

* Lgica preposicional
* Lgica de predicados.
* Reglas de produccin.

Lgica proposicional

La lgica proposicional es la ms antigua y simple de las formas de


lgica. Utilizando una representacin primitiva del lenguaje, permite
representar y manipular aserciones sobre el mundo que nos rodea. La
lgica proposicional permite el razonamiento, a travs de un mecanismo
que primero evala sentencias simples y luego sentencias complejas,
formadas mediante el uso de conectivos proposicionales, por ejemplo Y
(AND), O (OR).

Una proposicin es una sentencia simple que tiene un valor asociado ya


sea de verdadero (V), o falso (F). Por ejemplo:
* Hoy es viernes
* Ayer llovi
* Hace fro

Lgica de predicados

La lgica de predicados est basada en la idea de las sentencias


realmente expresan relaciones entre objetos, as como tambin
cualidades y atributos de tales objetos. Los objetos pueden ser personas,
objetos fsicos, o conceptos. Tales cualidades, relaciones o atributos, se
denominan predicados. Los objetos se conocen como argumentos o
trminos del predicado.

Ejemplo:

Un predicado puede ser verdadero para un conjunto de trminos, pero


falso para otro. Por ejemplo, el siguiente predicado es verdadero:

*color (hierba, verde).

El mismo predicado, pero con diferentes argumentos, puede no ser


verdadero:

*color (hierba, azul) o color (cielo, verde).

Los predicados tambin pueden ser utilizados para asignar una cualidad
abstracta a sus trminos, o para representar acciones o relaciones de
accin entre dos objetos.

Por ejemplo:

*clima (martes, lluvioso)


*ave (gaviota)
*ama (Roberto, Vanesa)
*lee (Alex, novela)
*mordi (boby, cartero)

Reglas de produccin
Las reglas representan el conocimiento utilizando un formato SI-
ENTONCES (IF-THEN), es decir tienen 2 partes:

* La parte SI (IF), es el antecedente, premisa, condicin o situacin.


* La parte ENTONCES (THEN), es el consecuente, conclusin, accin o
respuesta.
Las reglas pueden ser utilizadas para expresar un amplio rango de
asociaciones, por ejemplo:
* SI est manejando un vehculo Y se aproxima una ambulancia,
ENTONCES baje la velocidad Y hgase a un lado para permitir el paso de
la ambulancia.
* SI su temperatura corporal es de 39, ENTONCES tiene fiebre.

INTELIGENCIA ARTIFICIAL EMPAREJAMIENTO

* Bsqueda inteligente
* Saber elegir entre las diferentes reglas que se pueden aplicar
* Emparejamiento entre el estado actual y las precondiciones de las
reglas

Clases de emparejamiento

* Indexacin: Realiza una bsqueda sencilla a travs de todas las reglas,


comparando las precondiciones de cada con el estado actual.
* Emparejamiento con variables: En los sistemas basados en reglas se
necesita calcular todo el conjunto de reglas que emparejan con la
descripcin del estado actual.

* Emparejamiento complejo y aproximado: En este caso se debe utilizar


un conjunto de reglas separado para describir el modo en que algunas
propiedades pueden derivarse de otras.

Resolucin de conflictos

El resultado del proceso de emparejamiento es una lista de reglas que


han emparejado la descripcin del estado actual con cualesquiera que
sean los enlaces de variables que se generaron, el mtodo de bsqueda
debe decidir el orden en que se aplicarn las reglas, pero es til
incorporar alguna parte de esta decisin en el proceso de
emparejamiento

* Preferencias basadas en reglas: Se les da prioridad a las reglas segn


el orden en que aparecen, este sistema se llama PROLOG. Otro esquema
de preferencia ms comn es el de dar prioridad a las reglas de casos
especiales por encima de las reglas que sean ms generales.
* Preferencias basadas en objetos: Este mtodo simplifica los
mecanismos de bsqueda y consiste en ordenar a los emparejamientos
basndose en la importancia de los objetos que estn emparejados.
* Preferencias basadas en estados: Cuando existen distintas reglas para
ser aplicadas, una manera de seleccionar una de ellas consiste en
activarlas todas y observar los resultados que se obtienen, y utilizar la
funcin heurstica para elegir uno de ellas.

CONOCIMIENTO DE CONTROL

Cuando existen diferentes caminos posibles de razonamiento, resulta


fundamental que se pierda el menor tiempo posible en aquellas que no
vayan a ofrecer los frutos deseados.

Aquel conocimiento que informa sobre qu caminos son los ms


apropiados para alcanzar rpidamente un estado objetivo.

Formas de presentar el control de bsqueda:

* Conocimiento acerca de qu estados son preferibles a otros.


* Conocimiento acerca de qu reglas se pueden aplicar en una situacin
dada.
* Conocimiento acerca del suborden en que se deben tratar los sub
objetivos
* Conocimiento acerca de las secuencias de reglas ms tiles para
aplicar

SISTEMAS DE REPRESENTACIN DEL CONOCIMIENTO

* SOAR: Est basado en un conjunto de hiptesis especficas,


cognoscitivas y motivadas, similares a la estructura de la resolucin de
problemas por los humanos
* PRODIGY: Es un sistema resolutor de problemas de propsito general
que incorpora diferentes mecanismos de aprendizaje; su principal
caracterstica consiste en la construccin automtica de un conjunto de
reglas de control para mejorar la bsqueda en un dominio determinado.

3.2 Mtodos de inferencia en reglas

La inferencia es la forma en la que obtenemos conclusiones en base a


datos y declaraciones establecidas.
En lgica, especialmente en lgica matemtica, una regla de
inferencia es un esquema para construir inferencias vlidas. Estos
esquemas establecen relaciones sintcticas entre un conjunto de
frmulas llamados premisas y una asercin llamada conclusin. Una
inferencia puede ser: Inductiva, deductiva, transductiva y abductiva.

INDUCTIVA (DE LO PARTICULAR A LO GENERAL)

Aqu por ejemplo si durante la primera semana el maestro llega 10


minutos tarde, podemos concluir que todo el semestre va a llegar tarde.
Esta conclusin no necesariamente es vlida porque puede ser que el
maestro algn da llegue temprano. En general una inferencia inductiva
es la que se desprende de una o varias observaciones y en general no
podemos estar seguros de que ser verdadero lo que conclumos.

En este caso podemos mencionar el ejemplo el mentiroso: Un joven le


dice a un amigo, tu todos los das dices mentiras, y el contesta, no es
cierto, ayer en todo el da no dije una sla mentira.

Resumiendo, la inferencia inductiva es la ley general que se obtiene de


la observacin de uno o ms casos y no se puede asegurar que la
conclusin sea verdadera en general.

DEDUCTIVA (DE LO GENERAL A LO PARTICULAR)

Cuando se conoce una ley general y se aplica a un caso particular, por


ejemplo se sabe que siempre que llueve hay nubes, conclumos que el
da de hoy que est lloviendo hay nubes. Tambin se conoce como
inferencia deductiva cuando tenemos un caso que analiza todos los
posibles resultados y de acuerdo a las premisas slo hay una posible
situacin, en este caso decimos que la situacin nica es la conclusin.
Es este caso estamos seguros de que si las premisas son verdaderas
entonces la conclusin tambin lo es.

En este caso se encuentran MPP: Modus PonendoPonens y MTT: Modus


TollendoTollens que de acuerdo a la tabla de verdad de la condicional
son dos formas de establecer una inferencia vlida. La inferencia
deductiva es la nica aceptada como vlida en matemticas y
computacin para hacer comprobaciones y sacar conclusiones.

TRANSDUCTIVA (DE PARTICULAR A PARTICULAR O DE


GENERAL A GENERAL)

Con el mismo caso del maestro que llega tarde durante los primeros das
y conclumos que el lunes siguiente tambin llegar tarde. O del amigo
que varias veces nos ha mentido y conclumos que lo que nos dice es
ese momento es mentira.

El anterior sera de particular a particular, un caso de general a general


es por ejemplo de un compaero maestro que la primera vez que
imparti matemticas discretas observ que todos los alumnos
estudiaban, concluy que para el siguiente semestre todos los alumnos
iban a estudiar.

Este es un caso donde como en el caso inductivo, no podemos estar


seguros de que la conclusin es verdadera.

ABDUCTIVA

Es semejante a la deductuva, tambin utiliza la estrategia de analizar


todas las posibilidades, pero en este caso hay varios casos que se
pueden presentar, como por ejemplo si se sabe que siempre que llueve
hay nubes y se sabe que hay nubes se puede concluir que llueve, pero
no se tiene la certeza, al igual que el caso inductivo y transductivo no es
una forma vlida de obtener conclusiones en matemticas o en lgica y
es necesario conocer ms informacin para poder verificar la validez.
PRINCIPALES REGLAS DE INFERENCIA

Modus ponendo ponens (pp)

En lgica, modus ponendoponens (en latn, modo que afirmando afirma),


tambin llamado modus ponens y generalmente abreviado MPP o MP, es
una regla de inferencia que tiene la siguiente forma:

Si A, entonces B
A
Por lo tanto, B

Por ejemplo, un razonamiento que sigue la forma del modus ponens


podra ser:

Si est soleado, entonces es de da.


Est soleado.
Por lo tanto, es de da.

Otro ejemplo sera

Si Javier tiene rabia, es una nube.


Javier tiene rabia.
Por lo tanto, Javier es una nube.

Otra manera de presentar el modus ponens con el condicional es:

En la axiomatizacin de la lgica proposicional propuesta por


Janukasiewicz, el modus ponens es la nica regla de inferencia
primitiva. Esto ha motivado que mucha de la discusin en torno al
problema de la justificacin de la deduccin se haya centrado en la
justificacin del modus ponens.

p q Si llueve, entonces las calles se mojan (premisa)


p Llueve (premisa)
______________________________________________
q Luego, las calles se mojan (conclusin)

El condicional o implicacin es aquella operacin que establece entre


dos enunciados una relacin de causa-efecto. La regla ponendoponens
significa, afirmando afirmo y en un condicional establece, que si el
antecedente (primer trmino, en este caso p) se afirma, necesariamente
se afirma el consecuente (segundo trmino, en este caso q).

Modus tollendo tollens (tt)

Tollendotollens significa negando, niego, y se refiere a una propiedad


inversa de los condicionales, a los que nos referamos en primer lugar.

p q Si llueve, entonces las calles se mojan


q Las calles no se mojan
______________________________________
p Luego, no llueve

Si de un condicional, aparece como premisa el consecuente negado (el


efecto), eso nos conduce a negar el antecedente (la causa), puesto que
si un efecto no se da, su causa no ha podido darse.

Esto nos permite formular una regla combinada de las ambas anteriores,
consecuencia ambas de una misma propiedad de la implicacin; la
regla ponendoponens slo nos permite afirmar si est afirmado el
antecedente (el primer trmino de la implicacin), y la
regla tollendotollensslo nos permite negar a partir del consecuente
(segundo trmino de la implicacin); ambas consecuencias se derivan
de que la implicacin es una flecha que apunta en un nico sentido, lo
que hace que slo se pueda afirmar a partir del antecedente y negar
slo a partir del consecuente.

Doble negacin (dn)


p p

El esquema representa, p doblemente negada equivale a p. Siguiendo


el esquema de una inferencia por pasos, la representaramos as:

p No ocurre que Ana no es una estudiante


_____________________________________________________
p Ana es una estudiante

La regla doble negacin, simplemente establece que si un enunciado


est doblemente negado, equivaldra al enunciado afirmado.

Adjuncin y simplificacin

Adjuncin (A): Si disponemos de dos enunciados afirmados como dos


premisas separadas, mediante la adjuncin, podemos unirlos en una
sola premisa utilizando el operador (conjuncin).

p Juan es cocinero
q Pedro es polica
__________________________________
p q Juan es cocinero y Pedro es polica

Simplificacin (S): Obviamente, es la operacin inversa. Si disponemos


de un enunciado formado por dos miembros unidos por una conjuncin,
podemos hacer de los dos miembros dos enunciados afirmados por
separado.

p q Tengo una manzana y tengo una pera


_____________________________________
p Tengo una manzana
q Tengo una pera

Modus tollendo ponens (tp)

La disyuncin, que se simboliza con el operador V, representa una


eleccin entre dos enunciados. Ahora bien, en esa eleccin, forma parte
de las posibilidades escoger ambos enunciados, es decir, la verdad de
ambos enunciados no es incompatible, si bien, ambos no pueden ser
falsos.

A partir de lo anterior, se deduce la siguiente regla,


denominada tollendoponens (negando afirmo): si uno de los miembros
de una disyuncin es negado, el otro miembro queda automticamente
afirmado, ya que uno de los trminos de la eleccin ha sido descartado.

p V q He ido al cine o me he ido de compras


q No he ido de compras
______________________________________
p Por tanto, he ido al cine

Ley de la adicin (la)

Dado un enunciado cualquiera, es posible expresarlo como una eleccin


(disyuncin) acompaado por cualquier otro enunciado.

a He comprado manzanas
____________________________________________
a V b He comprado manzanas o he comprado peras

Silogismo hipottico (sh)

Dados dos implicaciones, de las cuales, el antecedente de la una sea el


consecuente de la otra (el mismo enunciado), podemos construir una
nueva implicacin cuyo antecedente sea el de aquella implicacin cuya
consecuencia sea el antecedente de la otra implicacin, y cuyo
consecuente sea el de sta ltima, cuyo antecedente era consecuencia
del primero.

Expresado de otro modo, si una causa se sigue una consecuencia, y sta


consecuencia es a su vez causa de una segunda consecuencia, se puede
decir que esa primera causa es causa de esa segunda consecuencia, del
mismo modo que, si una bola de billar roja golpea a otra bola blanca que
a su vez golpea a una bola negra, la bola roja es causa del movimiento
de la bola negra. Expresado en forma de inferencia lgica:
p q Si la bola roja golpea a la bola blanca, la bola blanca se
mueve
q r Si la bola blanca golpea a la bola negra, la bola negra se
mueve
__________________________________________________________
p r Si la bola roja golpea a la bola blanca, la bola negra se
mueve

Silogismo disyuntivo (ds)

Dadas tres premisas, dos de ellas implicaciones, y la tercera una


disyuncin cuyos miembros sean los antecedentes de los condicionales,
podemos concluir en una nueva premisa en forma de disyuncin, cuyos
miembros seran los consecuentes de las dos implicaciones.
Lgicamente, si planteamos una eleccin entre dos causas, podemos
plantear una eleccin igualmente entre sus dos posibles efectos, que es
el sentido de esta regla.

p q Si llueve, entonces las calles se mojan


r s Si la tierra tiembla, los edificios se caen
p V r Llueve o la tierra tiembla
________________________________________
q V s Las calles se mojan o los edificios se caen

Simplificacin disyuntiva (sd)

Si disponemos de dos premisas que corresponden a dos implicaciones


con el mismo consecuente, y sus antecedentes se corresponden con los
dos miembros de una disyuncin, podemos concluir con el consecuente
de ambas implicaciones.

p V q Helado de fresa o helado de vainilla


p r Si tomas helado de fresa, entonces repites
q r Si tomas helado de vainilla, entonces repites
____________________________________________________
r Luego, repites

Ley conmutativa
Esta ley, no es vlida para la implicacin, pero s para conjuncin y para
la disyuncin. Una conjuncin es afirmar que se dan dos cosas a la vez,
de modo que el orden de sus elementos no cambia este hecho.
Igualmente, una disyuncin es presentar una eleccin entre dos cosas,
sin importar en qu orden se presente esta eleccin. As pues,

p q q p p y q equivale a q y p
p V q q V p p q equivale a q p

Leyes de Morgan (dm)

Esta ley permite transformar una disyuncin en una conjuncin, y


viceversa, es decir, una conjuncin en una disyuncin. Cuando se pasa
de una a otra, se cambian los valores de afirmacin y negacin de los
trminos de la disyuncin/conjuncin as como de la propia operacin en
conjunto, como podemos observar aqu:

pq pVq
________ ________
(p V q) (p q)

3.3 Reglas de produccin

Por regla se entiende como una proposicin lgica que relaciona 2 o ms


objetos e incluye 2 partes, la premisa y la conclusin. Cada una de estas
partes consiste en una expresin lgica con una o ms afirmaciones
objeto-valor conectadas mediante los operadores lgicos y, o, no.

REGLAS DE PRODUCCIN.
Es un mtodo procedimental de representacin del conocimiento, pone
nfasis en representar y soportar las relaciones inferenciales del
algoritmo, en contraposicin a los mtodos declarativos (hechos).

La estructura de una regla es:

SI <antecedentes>
ENTONCES <consecuentes>
Los antecedentes son las condiciones y los consecuentes las
conclusiones, acciones o hiptesis.

Cada regla por si misma constituye un grnulo completo de


conocimiento.

La inferencia en los Sistemas Basados en Reglas se realiza mediante


emparejamiento. Hay dos tipos, segn el sentido:

Sistemas de encadenamiento hacia adelante: una regla es


activada si los antecedentes emparejan con algunos hechos del
sistema.
Sistemas de encadenamiento hacia atrs: una regla es activada si
los consecuentes emparejan con algunos hechos del sistema.

Arquitectura de los Sistemas Basados en Reglas:

Base de Conocimientos: rene todo el conocimiento del sistema


(Hechos + Reglas).
Memoria Activa: contiene los hechos que representan el estado
actual del problema (iniciales + inferidos a posteriori) y las reglas
activadas (en condiciones de ser ejecutadas).
Motor de Inferencias: decide que reglas activadas se ejecutarn.

3.4 Sintaxis de las reglas de


produccin

Mtodo procedimental de representacin del


conocimiento
Estructura

SI <condiciones>
ENTONCES <conclusiones, acciones, hiptesis>

Cada regla SI-ENTONCES establece un granulo completo de


conocimiento
Regla: Operador valido en un espacio de estados
condiciones (premisas, precondiciones, antecedentes)

Formadas por clausulas y conectivas (AND, OR, NOT)

Representacin clausal debe corresponderse con conocimiento del


dominio

Formato tpico:

<parmetro/relacin/valor>

Parmetro: caracterstica relevante del dominio.


Relacin: entre parmetro y valor.
Valor: numrico, simblico o literal.
Tambin en forma de predicados lgicos

CONCLUSIONES, ACCIONES, HIPTESIS (consecuentes)

Conclusiones, Hiptesis: conocimiento declarativo


Acciones: Accin procedimental (actualiza conocimiento, interaccin con
exterior)

Reglas especiales

Reglas IF ALL: equivalen a reglas con las clusulas de las condiciones


conectadas con AND
Reglas IF ANY/ IF SOME: equivalen a reglas con las clusulas de las
condiciones conectadas con OR

EJEMPLO

IF: temperatura = alta


AND sudoracin = presente
AND dolor_muscular = presente
THEN: diagnostico_preliminar = gripe
IF: diagnostico_preliminar = gripe
AND descompos_organos_internos = presente
THEN: diagnostico_preliminar = ebola

SISTEMAS BASADOS EN REGLAS DE PRODUCCIN


Reglas: Operadores en bsquedas en espacio de estados.
Inferencia similar al MODUS PONENS (con restricciones).
Sintaxis relajada.
Se permiten acciones en los consecuentes.
Mecanismo de control determina que inferencias se pueden realizar.

TIPOS DE SISTEMAS
En funcin de sintaxis de reglas y de mecanismos de control
(_bsqueda)
Sistema encadenamiento hacia adelante (dirigidos por los datos)
Regla ACTIVADA si antecedentes emparejan con algunos hechos
del sistema
En IF ALL, todos. En IF ANY, al menos uno.
Se parte de los hechos ya confirmados en el sistema
Se razona hacia adelante buscando antecedentes que emparejen
Sistema encadenamiento hacia atrs (dirigido por los objetivos)
Regla ACTIVADA si consecuentes emparejan con algunos hechos
del sistema
Se comienza con una hiptesis
Se razona hacia atrs buscando consecuentes que emparejen
Motor de inferencias elige que reglas ACTIVADAS ejecutar
(resolucin de conflictos)

Consecuentes y antecedentes pueden verse como submetas a verificar


a partir de los hechos o hiptesis, respectivamente.

CARACTERSTICAS
Modularidad: reglas = pequeas cantidades de conocimiento
(relativamente) independiente.
Incrementalidad/Modificabilidad: posible aadir/cambiar reglas con
relativa independencia
Naturalidad y Transparencia: representacin del conocimiento
prxima y comprensible por personas
Capacidad de generar explicaciones

GENERACIN de EXPLICACIONES
Posibilidad de \explicar" el porqu de un resultado
Devolver a usuario la cadena de reglas empleadas
Combinar reglas y hechos del rbol de bsqueda segn las
conectivas Incrementan la \aceptacin" del resultado ofrecido
(dominios crticos)
3.5 Semntica de las reglas de
produccin

Es una representacin formal de una relacin, una informacin


semntica o una accin condicional. Una regla de produccin tiene,
generalmente, la siguiente forma:

SI Premisa
ENTONCES Consecuencia

Ofrecen una gran facilidad para la creacin y la modificacin de la base


de conocimiento. Permite introducir coeficientes de verosimilitud para
ponderar el conocimiento (estos coeficientes se van propagando durante
el proceso de razonamiento mediante unas frmulas de clculo
establecidas) y, en teora, el mtodo asegura que cuantas ms reglas
posea ms potente es. Sin embargo, aunque es la forma de
representacin ms intuitiva y rpida, cuando el nmero de reglas es
grande aumenta la dificultad de verificacin de todas las posibilidades
con el consiguiente riesgo de perder la coherencia lgica en la base de
conocimiento.

Los hechos y las reglas asociadas de la base de conocimiento


normalmente no son exactos; es decir se tiene incertidumbre sobre el
grado de certeza de algunos hechos y tambin sobre el campo de
validez de algunas de las reglas. Para el manejo de la incertidumbre en
los sistemas de reglas se han utilizado varios sistemas; los tres ms
conocidos son los Factores de Certeza (utilizados en MYCIN), la lgica de
Dempster Shafer, y la Lgica Difusa (Fuzzy Logic). El mtodo de tratar la
incertidumbre es una de las caractersticas ms importantes de las
herramientas de desarrollo, y actualmente se encuentra en discusin la
validez de estas lgicas para tratar con la incertidumbre. En sustitucin
se han propuesto las Redes Bayesianas que tienen una base matemtica
ms firme. De todas formas, es un campo actual de investigacin que
permanece abierto.

CONOCIMIENTO CAUSAL
Relacin que vincula dos ideas a travs de una conexin supuestamente
necesaria. Es uno de los tres principios de asociacin.

La causalidad no tiene carcter necesario cuando se aplica a las


cuestiones de hecho, sino que se funda en la costumbre: la repeticin (o
conjuncin constante) no es ms que una creencia; es algo que
esperamos que suceda, no algo que deba suceder necesariamente sino
algo que debe ser evaluado en trminos de posibilidad.

En la medida en que el concepto de causalidad no puede aplicarse a


hechos que todava no han sucedido, porque no tenemos evidencia lo
todava no acaecido, la falta de un concepto de causalidad nos conduce
necesariamente al escepticismo.

CONOCIMIENTO DE DIAGNSTICO
El problema del diagnstico ha sido, desde los comienzos de la IA, uno
de los ms estudiados y donde los investigadores han cosechado tanto
satisfacciones como fracasos.

El diagnostico en el campo de la medicina es sin duda, una de las reas


de la IA que supone todava una gran desafi. Una de las caractersticas
ms frecuentes en resolucin del problema del diagnstico en dominios
reales es la necesidad de trata con la dimensin temporal. As, una vez
propuesto un modelo terico, una tendencia cada vez ms habitual a la
hora de desarrollar sistemas de diagnstico temporal es necesario
abordar el problema del diagnstico temporal desde diferentes
enfoques, permitiendo seleccionar cual es la aproximacin ms
adecuada para cada problema concreto es simplificar el dominio para
que el modelo inicial sea aplicable.